核心机制

ARTI 既通过 arti.nn.Layer 提供完整能力，也允许独立使用主要机制。

ARTI 的机制不只有 Recall：还包括结构上下文（coord、phase、mask、visibility）、隐空间动态、召回与工作区（Half、Fold、Pulse）、自回归接口（observer inverse 与 Membrane）、集成与可移植性，以及字面与运行时词表接口。成熟度按表面分别标记：受支持的 1.x 核心是 Stable Candidate；observer、Membrane 与字面模型集成仍属于 Alpha 或实验性能力。

相位与旋转坐标框架详解 active participant 与 observer participant；半透膜可见性路由详解 router、visibility、模型上下文和用户 emit 四个独立平面。

Recall 提出隐空间痕迹

ARTILatentRecallField 根据隐藏状态、掩码与可选召回上下文创建候选修正，不会强加应用数据结构。

Half 施加保留压力

Half 是显著性条件激活。强特征接近完整通过，弱特征平滑衰减，而不是突然截断。

half = arti.nn.Half(threshold=1.0, base=0.5)
survived = half(delta)

Fold 创建固定工作区

Fold 通过可微软分配把 [B, N, D] 映射为 [B, K, D]。

fold = arti.nn.Fold(k=16, dim=64)
workspace = fold(h, mask=mask)

当填充不应参与重要性排序时，应把 padding mask 与显著性值分开。

Pulse 组合完整路径

Pulse 从过完备隐片段形成紧凑的可学习工作区，组合投影、可选 Half 保留与 Fold 压缩。

pulse = arti.nn.Pulse(k=16, dim=64)
workspace = pulse(h, mask=mask)

assert workspace.shape == (h.shape[0], 16, 64)

每个机制都可以独立训练、测试和部署。

UnFold 在保留原值的同时改变布局

UnFold 查询新值，再通过随样本变化的 hard layout，把新值与每个原输入实例共同排列。ARTI 1.7.0 继续支持调用时 target_length，使同一个最大配置容量可服务不同工作区长度。

unfold = arti.nn.UnFold(dim=64, exposed=32)
layout = unfold(workspace, target_length=20)
assert layout.shape == (workspace.shape[0], 20, 64)

它不是 Fold 的逆。请阅读 UnFold，了解 source-index 诊断、canonical guide、mask 与容量边界。

FusionPulse 融合紧凑工作区

FusionPulse 在 1.7.0 中仍是 Alpha 层，用于连接多个已经紧凑的 Pulse 工作区，并返回单个固定 [B,K,D] 结果。

fusion = arti.nn.FusionPulse(k=8, dim=64)
combined, info = fusion.concat(whole, regions, details, return_info=True)

其路径是联合上下文 → feature-wise salience → Half → shared UnFold。可选的 info["structural_loss"] 是无标签训练辅助项，不是任务指标，也不保证信息无损。请阅读 FusionPulse并使用真实浏览器工作区检查。

为什么原生 Recall bank 可以 concat

RecallExpertPool.concatenate() 沿 bank 槽位维连接：[K1,H] + [K2,H] → [K1+K2,H]。合并后的 Recall field 会在扩大的地址空间上执行一次 retrieval softmax；这不是对已经生成的输出做混合。

pool = arti.RecallExpertPool(recall_expert, base_model=model)
pool.load_expert("coding", "coding.recall.arti.st")
pool.load_expert("dialogue", "dialogue.recall.arti.st")
recall = pool.concatenate()
delta, bank_weights, gate, recognition = recall(h, mask)

只有原生 ARTILatentRecallField 专家且所有非 bank 状态完全一致时才能拼接：query、gate、external projection 与 recognition operator 都必须相同。Pool 检测到分歧会拒绝 concat，而不会任取某个专家的算子。可用 RecallTTTSession(..., trainable_parameters=("bank",)) 训练 concat-safe 在线专家；如果共享算子不同，应保持专家独立，并使用显式命名路由或非负 mixture weights。

用例：互补视觉观测

仍在演进的 VisualScan 表面把同一种固定工作区思想用于刚性视觉采样。默认观测模式在 (0, 0)、(0, 0.5)、(0.5, 0) 与 (0.5, 0.5) 像素偏移处记录四帧低分辨率观测。ARTI 对这些观测执行连续反向配准，形成携带位置的视觉片段，再由 Pulse 压缩为 K 个工作区槽位。

import arti
import torch

config = arti.VisualScanConfig(
    low_size=(8, 8),
    scale=2,
    shifts=((0.0, 0.0), (0.0, 0.5), (0.5, 0.0), (0.5, 0.5)),
    patch_size=(4, 4),
    pulse_count=4,
)
scan = arti.VisualScan(config)

# frames: [B, scans, channels, height, width]
result = scan(frames, torch.tensor(config.shifts), return_info=True)
assert result.pulses.shape[:2] == (frames.shape[0], 4)

这是物理采样与隐空间工作区契约，并不声称 Pulse 能重建未知图像内容。VisualScan 是公开但仍在演进的表面；arti.nn.Pulse 本身属于受支持的 1.x 核心。